## [1] "Informació sobre les variables : State(character) i Customer.Lifetime.Value(numeric)"
## Arizona California Nevada Oregon Washington
## 7855.485 7962.001 7987.140 8084.560 7970.168
## [1] "Informació sobre les variables : State(character) i Response(character)"
## v2
## v1 No Yes
## Arizona 1406 234
## California 2017 359
## Nevada 725 117
## Oregon 2114 361
## Washington 664 102
## [1] "El test de chi^2 entre State i Response val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1.912, df = 4, p-value = 0.7519
##
## [1] "Informació sobre les variables : State(character) i Coverage(character)"
## v2
## v1 Basic Extended Premium
## Arizona 1009 493 138
## California 1435 732 209
## Nevada 497 261 84
## Oregon 1518 729 228
## Washington 472 225 69
## [1] "El test de chi^2 entre State i Coverage val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 3.6773, df = 8, p-value = 0.885
##
## [1] "Informació sobre les variables : State(character) i Education(character)"
## v2
## v1 Bachelor College Doctor High School or Below Master
## Arizona 495 476 71 472 126
## California 744 709 80 668 175
## Nevada 246 232 28 258 78
## Oregon 736 734 104 703 198
## Washington 209 218 30 238 71
## [1] "El test de chi^2 entre State i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 16.229, df = 16, p-value = 0.4371
##
## [1] "Informació sobre les variables : State(character) i EmploymentStatus(character)"
## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Arizona 82 1028 76 45 409
## California 91 1497 115 81 592
## Nevada 36 529 44 24 209
## Oregon 117 1542 106 76 634
## Washington 31 483 35 20 197
## [1] "El test de chi^2 entre State i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 8.0978, df = 16, p-value = 0.9459
##
## [1] "Informació sobre les variables : State(character) i Gender(character)"
## v2
## v1 F M
## Arizona 850 790
## California 1204 1172
## Nevada 433 409
## Oregon 1277 1198
## Washington 400 366
## [1] "El test de chi^2 entre State i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.86663, df = 4, p-value = 0.9293
##
## [1] "Informació sobre les variables : State(character) i Income(integer)"
## Arizona California Nevada Oregon Washington
## 37653.85 38088.70 38338.12 37525.51 37973.18
## [1] "Informació sobre les variables : State(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## Arizona 314 1040 286
## California 477 1482 417
## Nevada 170 528 144
## Oregon 488 1563 424
## Washington 149 485 132
## [1] "El test de chi^2 entre State i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.93295, df = 8, p-value = 0.9986
##
## [1] "Informació sobre les variables : State(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## Arizona 257 982 401
## California 354 1401 621
## Nevada 126 476 240
## Oregon 375 1435 665
## Washington 106 434 226
## [1] "El test de chi^2 entre State i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 9.6284, df = 8, p-value = 0.2921
##
## [1] "Informació sobre les variables : State(character) i Monthly.Premium.Auto(integer)"
## Arizona California Nevada Oregon Washington
## 91.78537 93.49495 93.81116 93.80687 92.05483
## [1] "Informació sobre les variables : State(character) i Months.Since.Last.Claim(integer)"
## Arizona California Nevada Oregon Washington
## 15.14939 14.94865 15.37648 14.87515 15.58486
## [1] "Informació sobre les variables : State(character) i Months.Since.Policy.Inception(integer)"
## Arizona California Nevada Oregon Washington
## 47.79451 47.59301 48.49050 48.42949 49.33551
## [1] "Informació sobre les variables : State(character) i Number.of.Policies(integer)"
## Arizona California Nevada Oregon Washington
## 3.058537 2.965909 2.764846 2.982626 2.912533
## [1] "Informació sobre les variables : State(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Arizona 324 1242 74
## California 506 1761 109
## Nevada 187 620 35
## Oregon 517 1841 117
## Washington 148 589 29
## [1] "El test de chi^2 entre State i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 5.1684, df = 8, p-value = 0.7394
##
## [1] "Informació sobre les variables : State(character) i Total.Claim.Amount(numeric)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : State(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Arizona 864 27 30 88 304 327
## California 1219 45 50 136 454 472
## Nevada 414 14 16 54 162 182
## Oregon 1218 42 59 132 496 528
## Washington 395 17 11 26 149 168
## [1] "El test de chi^2 entre State i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 19.312, df = 20, p-value = 0.5017
##
## [1] "Informació sobre les variables : State(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Arizona 169 1160 311
## California 243 1680 453
## Nevada 93 561 188
## Oregon 256 1724 495
## Washington 82 546 138
## [1] "El test de chi^2 entre State i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 7.4466, df = 8, p-value = 0.4893
##
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Response(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Coverage(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Education(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i EmploymentStatus(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Gender(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Income(integer)"
## [1] "La correlació entre Customer.Lifetime.Value i Income és de: 0.027448856036921"
## [1] "La covariancia entre Customer.Lifetime.Value i Income és de: 5708152.37117215"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Location.Code(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Marital.Status(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Monthly.Premium.Auto(integer)"
## [1] "La correlació entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 0.396623110272511"
## [1] "La covariancia entre Customer.Lifetime.Value i Monthly.Premium.Auto és de: 93372.073315473"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Last.Claim(integer)"
## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 0.013663344486676"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Last.Claim és de: 943.675714383575"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Months.Since.Policy.Inception(integer)"
## [1] "La correlació entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 0.0120733599530088"
## [1] "La covariancia entre Customer.Lifetime.Value i Months.Since.Policy.Inception és de: 2299.76903168807"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Number.of.Policies(integer)"
## [1] "La correlació entre Customer.Lifetime.Value i Number.of.Policies és de: 0.0251576703001706"
## [1] "La covariancia entre Customer.Lifetime.Value i Number.of.Policies és de: 411.767167811137"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Policy.Type(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Customer.Lifetime.Value i Total.Claim.Amount és de: 0.216124848807745"
## [1] "La covariancia entre Customer.Lifetime.Value i Total.Claim.Amount és de: 424287.6493556"
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Class(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Customer.Lifetime.Value(numeric) i Vehicle.Size(character)"
## Arizona California Nevada Oregon Washington
## 422.8746 431.8000 438.8436 433.6528 433.6318
## [1] "Informació sobre les variables : Response(character) i Coverage(character)"
## v2
## v1 Basic Extended Premium
## No 4226 2075 625
## Yes 705 365 103
## [1] "El test de chi^2 entre Response i Coverage val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.6495, df = 2, p-value = 0.7227
##
## [1] "Informació sobre les variables : Response(character) i Education(character)"
## v2
## v1 Bachelor College Doctor High School or Below Master
## No 2091 2006 259 2030 540
## Yes 339 363 54 309 108
## [1] "El test de chi^2 entre Response i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 9.395, df = 4, p-value = 0.05195
##
## [1] "Informació sobre les variables : Response(character) i EmploymentStatus(character)"
## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## No 290 4397 310 69 1860
## Yes 67 682 66 177 181
## [1] "El test de chi^2 entre Response i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 720.62, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Gender(character)"
## v2
## v1 F M
## No 3562 3364
## Yes 602 571
## [1] "El test de chi^2 entre Response i Gender val: "
##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: v1 and v2
## X-squared = 0.001358, df = 1, p-value = 0.9706
##
## [1] "Informació sobre les variables : Response(character) i Income(integer)"
## No Yes
## 37679.05 38814.80
## [1] "Informació sobre les variables : Response(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## No 1450 4201 1275
## Yes 148 897 128
## [1] "El test de chi^2 entre Response i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 107.58, df = 2, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## No 926 4106 1894
## Yes 292 622 259
## [1] "El test de chi^2 entre Response i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 105.77, df = 2, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Response(character) i Monthly.Premium.Auto(integer)"
## No Yes
## 92.95900 94.21398
## [1] "Informació sobre les variables : Response(character) i Months.Since.Last.Claim(integer)"
## No Yes
## 15.15001 14.60784
## [1] "Informació sobre les variables : Response(character) i Months.Since.Policy.Inception(integer)"
## No Yes
## 48.17312 47.99659
## [1] "Informació sobre les variables : Response(character) i Number.of.Policies(integer)"
## No Yes
## 2.990615 2.805627
## [1] "Informació sobre les variables : Response(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## No 1429 5195 302
## Yes 253 858 62
## [1] "El test de chi^2 entre Response i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.799, df = 2, p-value = 0.2467
##
## [1] "Informació sobre les variables : Response(character) i Total.Claim.Amount(numeric)"
## No Yes
## 429.0158 445.9222
## [1] "Informació sobre les variables : Response(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## No 3543 134 139 355 1309 1446
## Yes 567 11 27 81 256 231
## [1] "El test de chi^2 entre Response i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 18.586, df = 5, p-value = 0.002295
##
## [1] "Informació sobre les variables : Response(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## No 685 4839 1402
## Yes 158 832 183
## [1] "El test de chi^2 entre Response i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 23.552, df = 2, p-value = 7.686e-06
##
## [1] "Informació sobre les variables : Coverage(character) i Education(character)"
## v2
## v1 Bachelor College Doctor High School or Below Master
## Basic 1527 1443 179 1389 393
## Extended 681 724 115 720 200
## Premium 222 202 19 230 55
## [1] "El test de chi^2 entre Coverage i Education val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 17.431, df = 8, p-value = 0.02592
##
## [1] "Informació sobre les variables : Coverage(character) i EmploymentStatus(character)"
## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Basic 233 3090 246 146 1216
## Extended 84 1518 98 90 650
## Premium 40 471 32 10 175
## [1] "El test de chi^2 entre Coverage i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 25.321, df = 8, p-value = 0.001371
##
## [1] "Informació sobre les variables : Coverage(character) i Gender(character)"
## v2
## v1 F M
## Basic 2500 2431
## Extended 1284 1156
## Premium 380 348
## [1] "El test de chi^2 entre Coverage i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.614, df = 2, p-value = 0.2706
##
## [1] "Informació sobre les variables : Coverage(character) i Income(integer)"
## Basic Extended Premium
## 38380.47 36430.65 38942.26
## [1] "Informació sobre les variables : Coverage(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## Basic 998 3032 901
## Extended 472 1551 417
## Premium 128 515 85
## [1] "El test de chi^2 entre Coverage i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 27.418, df = 4, p-value = 1.636e-05
##
## [1] "Informació sobre les variables : Coverage(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## Basic 741 2891 1299
## Extended 367 1412 661
## Premium 110 425 193
## [1] "El test de chi^2 entre Coverage i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.50835, df = 4, p-value = 0.9727
##
## [1] "Informació sobre les variables : Coverage(character) i Monthly.Premium.Auto(integer)"
## Basic Extended Premium
## 82.1592 103.4631 132.9258
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Last.Claim(integer)"
## Basic Extended Premium
## 14.91584 15.29959 15.36126
## [1] "Informació sobre les variables : Coverage(character) i Months.Since.Policy.Inception(integer)"
## Basic Extended Premium
## 48.00649 48.07049 49.36126
## [1] "Informació sobre les variables : Coverage(character) i Number.of.Policies(integer)"
## Basic Extended Premium
## 2.973839 2.966803 2.885989
## [1] "Informació sobre les variables : Coverage(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Basic 1026 3688 217
## Extended 498 1824 118
## Premium 158 541 29
## [1] "El test de chi^2 entre Coverage i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1.6334, df = 4, p-value = 0.8028
##
## [1] "Informació sobre les variables : Coverage(character) i Total.Claim.Amount(numeric)"
## Basic Extended Premium
## 376.4413 480.0071 641.4571
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Basic 2478 85 86 260 970 1052
## Extended 1254 42 58 131 465 490
## Premium 378 18 22 45 130 135
## [1] "El test de chi^2 entre Coverage i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 14.821, df = 10, p-value = 0.1387
##
## [1] "Informació sobre les variables : Coverage(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Basic 503 3451 977
## Extended 274 1698 468
## Premium 66 522 140
## [1] "El test de chi^2 entre Coverage i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 3.7865, df = 4, p-value = 0.4357
##
## [1] "Informació sobre les variables : Education(character) i EmploymentStatus(character)"
## v2
## v1 Disabled Employed Medical Leave Retired Unemployed
## Bachelor 112 1515 111 77 615
## College 83 1472 126 88 600
## Doctor 21 227 15 1 49
## High School or Below 104 1383 99 61 692
## Master 37 482 25 19 85
## [1] "El test de chi^2 entre Education i EmploymentStatus val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 118.31, df = 16, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Education(character) i Gender(character)"
## v2
## v1 F M
## Bachelor 1269 1161
## College 1212 1157
## Doctor 153 160
## High School or Below 1178 1161
## Master 352 296
## [1] "El test de chi^2 entre Education i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 4.7253, df = 4, p-value = 0.3167
##
## [1] "Informació sobre les variables : Education(character) i Income(integer)"
## Bachelor College Doctor
## 37546.09 37263.41 42575.69
## High School or Below Master
## 36198.16 44733.27
## [1] "Informació sobre les variables : Education(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## Bachelor 482 1502 446
## College 473 1481 415
## Doctor 93 141 79
## High School or Below 333 1702 304
## Master 217 272 159
## [1] "El test de chi^2 entre Education i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 269.03, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Education(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## Bachelor 401 1388 641
## College 349 1371 649
## Doctor 55 216 42
## High School or Below 290 1339 710
## Master 123 414 111
## [1] "El test de chi^2 entre Education i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 88.525, df = 8, p-value = 9.265e-16
##
## [1] "Informació sobre les variables : Education(character) i Monthly.Premium.Auto(integer)"
## Bachelor College Doctor
## 92.32510 92.66188 91.33546
## High School or Below Master
## 94.55537 93.71605
## [1] "Informació sobre les variables : Education(character) i Months.Since.Last.Claim(integer)"
## Bachelor College Doctor
## 14.87037 15.45673 15.68690
## High School or Below Master
## 14.84310 14.94444
## [1] "Informació sobre les variables : Education(character) i Months.Since.Policy.Inception(integer)"
## Bachelor College Doctor
## 48.08354 48.00844 46.14377
## High School or Below Master
## 47.96494 50.52315
## [1] "Informació sobre les variables : Education(character) i Number.of.Policies(integer)"
## Bachelor College Doctor
## 2.960082 2.906712 3.083067
## High School or Below Master
## 3.014536 2.945988
## [1] "Informació sobre les variables : Education(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Bachelor 528 1800 102
## College 485 1769 115
## Doctor 54 247 12
## High School or Below 493 1738 108
## Master 122 499 27
## [1] "El test de chi^2 entre Education i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 7.401, df = 8, p-value = 0.494
##
## [1] "Informació sobre les variables : Education(character) i Total.Claim.Amount(numeric)"
## Bachelor College Doctor
## 425.1289 421.8992 341.0122
## High School or Below Master
## 483.6468 345.5262
## [1] "Informació sobre les variables : Education(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Bachelor 1239 39 55 100 470
## College 1227 44 39 127 469
## Doctor 170 3 4 19 56
## High School or Below 1156 49 53 145 449
## Master 318 10 15 45 121
## v2
## v1 Two-Door Car
## Bachelor 527
## College 463
## Doctor 61
## High School or Below 487
## Master 139
## [1] "El test de chi^2 entre Education i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 26.963, df = 20, p-value = 0.1363
##
## [1] "Informació sobre les variables : Education(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Bachelor 226 1735 469
## College 246 1670 453
## Doctor 28 239 46
## High School or Below 267 1597 475
## Master 76 430 142
## [1] "El test de chi^2 entre Education i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 18.262, df = 8, p-value = 0.01935
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Gender(character)"
## v2
## v1 F M
## Disabled 216 141
## Employed 2632 2447
## Medical Leave 185 191
## Retired 116 130
## Unemployed 1015 1026
## [1] "El test de chi^2 entre EmploymentStatus i Gender val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 16.985, df = 4, p-value = 0.001946
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Income(integer)"
## Disabled Employed Medical Leave Retired Unemployed
## 19966.58 56446.71 20307.16 20481.57 0.00
## [1] "Informació sobre les variables : EmploymentStatus(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## Disabled 29 301 27
## Employed 1436 2394 1249
## Medical Leave 33 302 41
## Retired 0 238 8
## Unemployed 100 1863 78
## [1] "El test de chi^2 entre EmploymentStatus i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1488.1, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## Disabled 88 226 43
## Employed 797 3449 833
## Medical Leave 58 251 67
## Retired 91 104 51
## Unemployed 184 698 1159
## [1] "El test de chi^2 entre EmploymentStatus i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1392.7, df = 8, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Monthly.Premium.Auto(integer)"
## Disabled Employed Medical Leave Retired Unemployed
## 93.31092 93.29494 90.38032 91.70732 93.40862
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Last.Claim(integer)"
## Disabled Employed Medical Leave Retired Unemployed
## 15.12325 15.01024 15.80851 14.33740 15.16756
## [1] "Informació sobre les variables : EmploymentStatus(character) i Months.Since.Policy.Inception(integer)"
## Disabled Employed Medical Leave Retired Unemployed
## 47.52661 47.86828 47.66755 48.28862 49.02254
## [1] "Informació sobre les variables : EmploymentStatus(character) i Number.of.Policies(integer)"
## Disabled Employed Medical Leave Retired Unemployed
## 2.921569 2.970270 2.928191 2.569106 3.009309
## [1] "Informació sobre les variables : EmploymentStatus(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Disabled 72 267 18
## Employed 1066 3788 225
## Medical Leave 78 279 19
## Retired 48 187 11
## Unemployed 418 1532 91
## [1] "El test de chi^2 entre EmploymentStatus i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1.1149, df = 8, p-value = 0.9974
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Total.Claim.Amount(numeric)"
## Disabled Employed Medical Leave Retired Unemployed
## 469.9583 358.2145 474.9064 489.6367 591.9982
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Disabled 168 9 3 23 76
## Employed 2601 99 110 262 944
## Medical Leave 198 1 9 18 72
## Retired 119 0 6 20 51
## Unemployed 1024 36 38 113 422
## v2
## v1 Two-Door Car
## Disabled 78
## Employed 1063
## Medical Leave 78
## Retired 50
## Unemployed 408
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Class val: "
## Warning in chisq.test(v1, v2): Chi-squared approximation may be incorrect
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 26.763, df = 20, p-value = 0.1421
##
## [1] "Informació sobre les variables : EmploymentStatus(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Disabled 39 240 78
## Employed 505 3588 986
## Medical Leave 44 252 80
## Retired 33 180 33
## Unemployed 222 1411 408
## [1] "El test de chi^2 entre EmploymentStatus i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 12.578, df = 8, p-value = 0.1272
##
## [1] "Informació sobre les variables : Gender(character) i Income(integer)"
## F M
## 38258.44 37404.50
## [1] "Informació sobre les variables : Gender(character) i Location.Code(character)"
## v2
## v1 Rural Suburban Urban
## F 901 2466 797
## M 697 2632 606
## [1] "El test de chi^2 entre Gender i Location.Code val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 51.016, df = 2, p-value = 8.357e-12
##
## [1] "Informació sobre les variables : Gender(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## F 635 2495 1034
## M 583 2233 1119
## [1] "El test de chi^2 entre Gender i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 13.63, df = 2, p-value = 0.001097
##
## [1] "Informació sobre les variables : Gender(character) i Monthly.Premium.Auto(integer)"
## F M
## 92.96230 93.32961
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Last.Claim(integer)"
## F M
## 14.84078 15.31563
## [1] "Informació sobre les variables : Gender(character) i Months.Since.Policy.Inception(integer)"
## F M
## 48.11695 48.17992
## [1] "Informació sobre les variables : Gender(character) i Number.of.Policies(integer)"
## F M
## 2.931316 2.998221
## [1] "Informació sobre les variables : Gender(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## F 864 3107 193
## M 818 2946 171
## [1] "El test de chi^2 entre Gender i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 0.39535, df = 2, p-value = 0.8206
##
## [1] "Informació sobre les variables : Gender(character) i Total.Claim.Amount(numeric)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## F 2161 66 75 219 808 835
## M 1949 79 91 217 757 842
## [1] "El test de chi^2 entre Gender i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 8.8754, df = 5, p-value = 0.1141
##
## [1] "Informació sobre les variables : Gender(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## F 454 2867 843
## M 389 2804 742
## [1] "El test de chi^2 entre Gender i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 5.6772, df = 2, p-value = 0.05851
##
## [1] "Informació sobre les variables : Income(integer) i Location.Code(character)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Income(integer) i Marital.Status(character)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Income(integer) i Monthly.Premium.Auto(integer)"
## [1] "La correlació entre Income i Monthly.Premium.Auto és de: -0.0120274134455981"
## [1] "La covariancia entre Income i Monthly.Premium.Auto és de: -12558.7214697191"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Last.Claim(integer)"
## [1] "La correlació entre Income i Months.Since.Last.Claim és de: -0.0251534441694549"
## [1] "La covariancia entre Income i Months.Since.Last.Claim és de: -7705.43963068353"
## [1] "Informació sobre les variables : Income(integer) i Months.Since.Policy.Inception(integer)"
## [1] "La correlació entre Income i Months.Since.Policy.Inception és de: -0.0021633240844627"
## [1] "La covariancia entre Income i Months.Since.Policy.Inception és de: -1827.72924133678"
## [1] "Informació sobre les variables : Income(integer) i Number.of.Policies(integer)"
## [1] "La correlació entre Income i Number.of.Policies és de: -0.0108765225149995"
## [1] "La covariancia entre Income i Number.of.Policies és de: -789.597126504798"
## [1] "Informació sobre les variables : Income(integer) i Policy.Type(character)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Income(integer) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Income i Total.Claim.Amount és de: -0.351489890433005"
## [1] "La covariancia entre Income i Total.Claim.Amount és de: -3060572.89585018"
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Class(character)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Income(integer) i Vehicle.Size(character)"
## F M
## 411.8942 452.1735
## [1] "Informació sobre les variables : Location.Code(character) i Marital.Status(character)"
## v2
## v1 Divorced Married Single
## Rural 263 1098 237
## Suburban 769 2622 1707
## Urban 186 1008 209
## [1] "El test de chi^2 entre Location.Code i Marital.Status val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 366.48, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Location.Code(character) i Monthly.Premium.Auto(integer)"
## Rural Suburban Urban
## 89.63267 95.09043 90.05203
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Last.Claim(integer)"
## Rural Suburban Urban
## 15.43054 15.01334 14.87384
## [1] "Informació sobre les variables : Location.Code(character) i Months.Since.Policy.Inception(integer)"
## Rural Suburban Urban
## 48.32854 47.77913 49.28011
## [1] "Informació sobre les variables : Location.Code(character) i Number.of.Policies(integer)"
## Rural Suburban Urban
## 2.987484 2.948803 2.991447
## [1] "Informació sobre les variables : Location.Code(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Rural 353 1177 68
## Suburban 1048 3823 227
## Urban 281 1053 69
## [1] "El test de chi^2 entre Location.Code i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 2.9198, df = 4, p-value = 0.5713
##
## [1] "Informació sobre les variables : Location.Code(character) i Total.Claim.Amount(numeric)"
## Rural Suburban Urban
## 109.8456 559.6176 332.1216
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Rural 860 16 23 95 263 341
## Suburban 2517 112 122 279 1019 1049
## Urban 733 17 21 62 283 287
## [1] "El test de chi^2 entre Location.Code i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 38.612, df = 10, p-value = 2.968e-05
##
## [1] "Informació sobre les variables : Location.Code(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Rural 186 1246 166
## Suburban 534 3299 1265
## Urban 123 1126 154
## [1] "El test de chi^2 entre Location.Code i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 255.34, df = 4, p-value < 2.2e-16
##
## [1] "Informació sobre les variables : Marital.Status(character) i Monthly.Premium.Auto(integer)"
## Divorced Married Single
## 92.66749 93.06620 93.57222
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Last.Claim(integer)"
## Divorced Married Single
## 14.78571 15.18359 14.98699
## [1] "Informació sobre les variables : Marital.Status(character) i Months.Since.Policy.Inception(integer)"
## Divorced Married Single
## 49.82677 48.05964 47.39062
## [1] "Informació sobre les variables : Marital.Status(character) i Number.of.Policies(integer)"
## Divorced Married Single
## 2.836617 2.996404 2.964236
## [1] "Informació sobre les variables : Marital.Status(character) i Policy.Type(character)"
## v2
## v1 Corporate Auto Personal Auto Special Auto
## Divorced 270 904 44
## Married 967 3547 214
## Single 445 1602 106
## [1] "El test de chi^2 entre Marital.Status i Policy.Type val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 4.5111, df = 4, p-value = 0.3412
##
## [1] "Informació sobre les variables : Marital.Status(character) i Total.Claim.Amount(numeric)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV Two-Door Car
## Divorced 665 11 32 63 225 222
## Married 2363 84 88 255 940 998
## Single 1082 50 46 118 400 457
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 22.098, df = 10, p-value = 0.01461
##
## [1] "Informació sobre les variables : Marital.Status(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Divorced 120 863 235
## Married 539 3272 917
## Single 184 1536 433
## [1] "El test de chi^2 entre Marital.Status i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 13.554, df = 4, p-value = 0.008863
##
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Last.Claim(integer)"
## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 0.00581007341307383"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Last.Claim és de: 2.01488034693903"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Months.Since.Policy.Inception(integer)"
## [1] "La correlació entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 0.0267233024305999"
## [1] "La covariancia entre Monthly.Premium.Auto i Months.Since.Policy.Inception és de: 25.5592484624164"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Number.of.Policies(integer)"
## [1] "La correlació entre Monthly.Premium.Auto i Number.of.Policies és de: -0.0081676883183592"
## [1] "La covariancia entre Monthly.Premium.Auto i Number.of.Policies és de: -0.671246958674011"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Policy.Type(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Monthly.Premium.Auto i Total.Claim.Amount és de: 0.626811413613633"
## [1] "La covariancia entre Monthly.Premium.Auto i Total.Claim.Amount és de: 6178.6623675873"
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Class(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Monthly.Premium.Auto(integer) i Vehicle.Size(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Months.Since.Policy.Inception(integer)"
## [1] "La correlació entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -0.0389548373012839"
## [1] "La covariancia entre Months.Since.Last.Claim i Months.Since.Policy.Inception és de: -10.9306533610024"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Number.of.Policies(integer)"
## [1] "La correlació entre Months.Since.Last.Claim i Number.of.Policies és de: 0.00981286204530821"
## [1] "La covariancia entre Months.Since.Last.Claim i Number.of.Policies és de: 0.236595043230611"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Policy.Type(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Months.Since.Last.Claim i Total.Claim.Amount és de: 0.00811556722525029"
## [1] "La covariancia entre Months.Since.Last.Claim i Total.Claim.Amount és de: 23.4694667178421"
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Class(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Last.Claim(integer) i Vehicle.Size(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Number.of.Policies(integer)"
## [1] "La correlació entre Months.Since.Policy.Inception i Number.of.Policies és de: -0.01719950192765"
## [1] "La covariancia entre Months.Since.Policy.Inception i Number.of.Policies és de: -1.1437105605731"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Policy.Type(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 0.0108081693548765"
## [1] "La covariancia entre Months.Since.Policy.Inception i Total.Claim.Amount és de: 86.2038763531793"
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Class(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Months.Since.Policy.Inception(integer) i Vehicle.Size(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Policy.Type(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Total.Claim.Amount(numeric)"
## [1] "La correlació entre Number.of.Policies i Total.Claim.Amount és de: -0.00477505917478827"
## [1] "La covariancia entre Number.of.Policies i Total.Claim.Amount és de: -3.27249230052346"
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Class(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Number.of.Policies(integer) i Vehicle.Size(character)"
## Divorced Married Single
## 400.3626 384.6935 551.7686
## [1] "Informació sobre les variables : Policy.Type(character) i Total.Claim.Amount(numeric)"
## Corporate Auto Personal Auto Special Auto
## 424.3580 432.5437 446.3550
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Class(character)"
## v2
## v1 Four-Door Car Luxury Car Luxury SUV Sports Car SUV
## Corporate Auto 844 33 29 91 329
## Personal Auto 3075 105 131 320 1166
## Special Auto 191 7 6 25 70
## v2
## v1 Two-Door Car
## Corporate Auto 356
## Personal Auto 1256
## Special Auto 65
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Class val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 5.5482, df = 10, p-value = 0.8517
##
## [1] "Informació sobre les variables : Policy.Type(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Corporate Auto 169 1190 323
## Personal Auto 639 4231 1183
## Special Auto 35 250 79
## [1] "El test de chi^2 entre Policy.Type i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 1.7559, df = 4, p-value = 0.7805
##
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Class(character)"
## Corporate Auto Personal Auto Special Auto
## 424.3580 432.5437 446.3550
## [1] "Informació sobre les variables : Total.Claim.Amount(numeric) i Vehicle.Size(character)"
## Corporate Auto Personal Auto Special Auto
## 424.3580 432.5437 446.3550
## [1] "Informació sobre les variables : Vehicle.Class(character) i Vehicle.Size(character)"
## v2
## v1 Large Medsize Small
## Four-Door Car 424 2861 825
## Luxury Car 16 90 39
## Luxury SUV 13 118 35
## Sports Car 45 331 60
## SUV 149 1136 280
## Two-Door Car 196 1135 346
## [1] "El test de chi^2 entre Vehicle.Class i Vehicle.Size val: "
##
## Pearson's Chi-squared test
##
## data: v1 and v2
## X-squared = 26.795, df = 10, p-value = 0.002806